改进的变步长自适应最小均方算法及其数字信号处理

针对紫外光通信中传统自适应最小均方(LMS)算法存在的不足,提出了一种新的变步长LMS(VSS-LMS)算法,利用MATLAB仿真验证了该算法的可行性,以TMS320VC5509为核心设计了数字信号处理(DSP)最小化硬件系统和VSS-LMS算法的软件流程,在硬件上实现了传统LMS算法和新的VSS-LMS算法的自适应滤波,并进行了对比分析,结果表明所提出的VSS-LMS算法具有较快的收敛速度和较小的稳态误差,这对紫外光通信接收系统的设计和优化具有一定的参考意义。

一种新的变步长自适应最小均方算法

提出了一种根据滤波器系数梯度差值的自相关来计算步长的新的变步长自适应LMS算法。分析了算法的收敛性能和稳态特性,给出了算法参数选择的原则。由实验验证了该算法具有良好的收敛性能和跟踪特性,特别是在输入信号相关的情况下,该算法显示出比标准LMS算法和其它变步长算法的优异性能。

一种新的变步长最小均方算法

针对以往变步长最小均方算法形式过于复杂、鲁棒性和通用性较差的问题 ,根据变步长自适应滤波算法的步长调整原则 ,分析了已有的变步长最小均方算法的步长与误差关系曲线特点 ,提出了一种新的变步长最小均方算法 .经过比较知 ,新算法形式简单、收敛性能强 ,通用性好 .此外 ,提出了变步长公式相似时应满足的条件 :e(n)始终位于exp(·)函数之中 ,且当e(n) =0时 ,exp(·) =1.

一种新的变步长最小均方自适应滤波算法

将步长因子μ与误差信号e(n)和测量噪声方差σN2之间的一种函数关系引入自适应滤波器,提出了一种变步长最小均方自适应滤波算法。与已有算法相比,本文算法的步长因子更易于设计和控制。仿真结果表明本算法具有很好的收敛性能,同时也证实了本文算法的有效性。

一种基于矢量加速的变步长频域最小均方算法

针对现有变步长频域批处理最小均方(VSFBLMS)算法收敛速度慢的问题,提出一种基于矢量加速的VSFBLM S算法。利用VSFBLM S计算得到的基本步长参数对当前收敛阶段进行判断,并根据收敛阶段分别在前期和后期选择较大和较小迭代次数的权值更新公式进行系数更新,从而加快算法前期的收敛速度并保证后期失调量较小。采用基于自适应滤波器噪声抵消模型进行算法性能测试,结果表明,相比VSFBLMS算法,该算法的收敛速度有较大提高,且在后期具有与VSFBLMS算法趋于一致的失调量。

用于恒模数字信号的变步长归一化最小均方算法

为全面分析用于数字信号的最小均方(LMS)算法性能,提出了一种新的性能评估参数———误码率.为了提高LMS算法性能,提出了一种新的变步长归一化LMS自适应算法,该算法步长在启动阶段主要由瞬时误差控制,以加速收敛,在收敛阶段主要由其历史值来决定,以获得低的误码率,而切换条件是基于短时均方误差值.与已有类似的变步长LMS算法相比,在几乎不增加算法复杂度的情况下,具有更快的跟踪速度、更低的比特误码率,特别是其控制参数在观测噪声强度发生变化时不需重新调整.计算机仿真效果支持了理论分析.

基于自适应变步长最小均方的谐波检测算法的研究

从数字信号处理中的自适应噪声对消原理出发,介绍了一种改进的变步长最小均方(LMS)算法,该算法根据基波电流和谐波电流的不相关性,利用误差信号和参考输入的互相关估计来控制迭代步长,使得步长的更新不受谐波电流的影响。该算法原理简单,运算量小,易于实现,仿真结果表明了该谐波电流检测算法的有效性。

基于洛伦兹函数的变步长凸组合最小均方算法

为进一步减小收敛速率与稳态误差之间的矛盾,改善自适应滤波算法,利用改进的Lorentzian函数提出了一种新的变步长凸组合最小均方(new variable step-size convex-combination of least mean square,NVSCLMS)算法,该算法既有效提高了收敛速率又具备很好的抗干扰能力。同时,为了克服CLMS算法停滞等待的弊端,采用了瞬时转移结构;另外,在参数的迭代公式中使用sign函数进行优化以降低运算量。仿真结果证明该算法与CLMS、VS-CLMS相比,在不同的仿真环境中均能表现出良好的均方特性和跟踪特性。

基于水声通信的新型变步长最小均方算法

在水声通信中,信道的多径效应会造成严重的码间串扰(ISI),而现有的均衡算法在处理ISI问题时存在收敛速度慢、稳态误差大、算法复杂不易于硬件移植等问题,为此结合判决反馈均衡器结构前向均衡(FFE)与判决均衡结构(DFE),提出了一种基于反余弦步长函数和三参数调整因子的变步长最小均方(LMS)算法。首先对三参数因子α、β、r进行算法仿真,优化算法性能,与固定步长LMS算法、基于修正反正切的变步长LMS算法以及基于双曲正割函数的变步长LMS算法的收敛性能和稳态误差进行仿真比较,结果显示:所提算法的收敛速度较固定步长LMS算法提高了57.9%,稳态误差下降5 d B;较双曲正割LMS算法和修正反正切LMS算法提高了26.3%和15.8%,并且算法的稳态误差下降了1~2 d B。最后,将算法移植于信号处理模块,进行水下实验,结果表明,水声信道造成的ISI经过均衡器后,信号得以恢复,能够实际克服多径效应造成的水声信道ISI问题。

带零吸收项的变步长l_0范数归一化最小均方误差算法

针对稀疏系统的识别问题,提出一种带零吸收项的变步长l0范数约束归一化最小均方误差(l0-NLMS)算法。在此改进的l0-NLMS算法中,通过箕舌函数来调整步长的变化,理论推导了此l0-NLMS算法在均值和均方差下的收敛条件以及均方误差和均方偏移量的表达式。设计实验分别比较在不同输入信号时算法的步长和稳态偏移量的变化,通过仿真验证该算法在识别稀疏信道模型上是有效的。分析结果表明:当处于相对高的信噪比、低的信噪比、输入不相关信号和输入相关信号时,该算法具有较快的收敛速度,能很好地进行稀疏系统的模型识别。

基于噪音拟合的优化变步长滤波最小均方算法

为了更快地实现主动降噪,设计了噪音多项式拟合模型,提出了改进的变步长滤波最小均方算法(Improved Filtered-x Least Mean Square,IFxLMS)。该算法在统计噪音信号的同时,对噪音信号进行拟合与预测,随后结合误差信号与预测信号对步长进行调节,达到快速调节的目的。为了验证该算法的性能,将该算法与传统变步长滤波最小均方算法对比试验,仿真结果显示,在相同噪音条件下,新算法将噪音信号降到10 dB、20 dB、30 dB、35 dB等信噪比时,所需的迭代次数减少了4次~60次不等,在同时新算法的鲁棒性也优于普通的滤波变步长最小均方算法。

基于新的变步长最小均方算法在运动环境中实时提取心率的方法

针对光电容积脉搏波容易受运动伪影干扰的问题,为不同运动状态下可穿戴设备的心率提取提供一种新的变步长最小均方(HSFLMS)算法。根据不同的运动状态分别进行去噪处理:静止状态采用波峰波谷计数方法,运动状态则采用HSFLMS算法。HSFLMS算法根据双曲正弦函数模型,构造了一种新的关于步长和误差的非线性关系函数,并分析了参数取值对算法性能的影响。根据实验结果可知,相较于其他算法,HSFLMS算法的结构框架更简洁、更高效,能有效提取不同运动状态下的实时主体心率。

一种变步长最小均方算法

最小均方算法(LMS)以计算简单,易于实现等优点被广泛用于自适应滤波领域。但其固定的步长导致了收敛速度和稳态误差之间的矛盾。通过引入非线性函数提出一种新的基于非线性函数的变步长最小均方算法,仿真结果表明该算法具有较好的收敛性能和较小的稳态误差。

变步长CMA和DD-LMS双模式切换盲均衡算法

针对经典盲均衡算法收敛速度较慢和稳态误差较大的问题,提出了一种基于变步长恒模算法(Constant Modulus Algorithm, CMA)和判决引导的最小均方(Decision Directed Least Mean Square, DD-LMS)算法的双模式切换盲均衡算法。在算法收敛初期采用CMA算法,以确保算法可以较快收敛。在收敛之后切换至DD-LMS算法,以进一步降低稳态误差。通过设定阈值来切换算法,取相邻多次迭代误差的平均值作为算法的切换值,以确保算法切换时机的合理性。另外,引入Softsign变步长函数并加入3个参数对该函数进行改进,使得Softsign变步长函数可以依据不同信道环境设定最佳参数,同时提高算法的收敛速度。仿真结果表明,在卫星通用信道条件下,所提算法的收敛迭代次数约为1 000次,稳态误差为-12 dB,在信噪比为15 dB时,误码率为1×10~(-6)。与相关算法对比,所提算法的收敛速度较高,误码率和稳态误差较低。

均方偏差分析的多态可变步长LMS算法

最小均方(least mean square,LMS)算法在时变信道的最小稳态均方偏差(mean square deviation,MSD)由输入功率、噪声功率、随机扰动信号功率以及滤波器长度共同决定。为达到系统中最小的MSD值,传统的LMS算法存在有迭代次数较多和收敛速度慢等问题,提出了一种多态可变步长最小均方(multi-state variable step size least mean square,MVSS-LMS)算法。该算法通过添加暂态递减步长作为过渡,实现以更快的收敛速度达到系统中最小的MSD值。理论分析与仿真结果表明,与目前最新的Prob-LMS算法相比,所提算法在时变信道以及突变信道都具有更快的收敛速度和更低的MSD值,且算法的复杂度更低。

步长因子对最小均方误差自适应滤波效果影响的研究

自适应滤波器凭借其优越的性能,在微电子、自控、信号处理等诸多领域逐渐得到广泛应用。介绍了自适应滤波原理、自适应滤波算法,论述了步长因子对最小均方误差(LMS)自适应滤波效果的影响,借助MATLAB Simulink对被随机干扰的周期信号进行仿真研究,分析了步长因子对LMS算法收敛速度、滤波过程及输出信号稳态失调的影响。

基于FxLMS的汽车车内噪声变步长主动均衡算法

提出了一种可用于汽车车内噪声主动均衡控制的变步长主动噪声均衡(ActiveNoiseEqualization,ANE)算法,与传统车内噪声主动抵消控制方法所采用的滤波x最小均方(Filtered-xLeastMeanSquare,FxLMS)算法相比具有更好的实用性。应用固定步长主动噪声均衡(Active Noise Equalization,ANE)算法、所提出变步长ANE算法和已有变步长ANE算法分别进行汽车车内噪声主动均衡控制。结果表明,所提出变步长ANE算法具有更快的收敛速度和较低的稳态误差,并且能进一步降低汽车车内噪声响度,为汽车车内声品质主动控制提供了一种新方法。

基于自适应混合能量参数的变步长LMS水声信道均衡算法

提出了一种新的变步长算法,并将该算法用于水声信道均衡。该算法克服改进归一化最小均方(developed normanized least mean square,XENLMS)算法依赖固定能量参数λ的局限性,遵循变步长算法的步长调整原则在XENLMS算法的基础上引入一个自适应混合能量参数λk,改善算法收敛速度和鲁棒性。首先通过仿真分析变步长算法中的3个固定参数α,β,μ的取值范围及对算法收敛性能的影响;并在两种典型的水声信道环境下,采用两种调制信号对算法的收敛性能进行计算机仿真,结果显示,新算法的收敛速度明显快于XENLMS算法和已有的变步长算法,收敛性能接近递归最小二乘(recursive least square,RLS)算法的最优性能,但计算复杂度远小于RLS算法。最后,木兰湖试验验证了带判决反馈均衡器(decision feedback equalization,DFE)结构的新算法具有较好的克服多径效应和多普勒频移补偿的能力,相比LMS-DFE提高了一个数量级。

一种新的自适应最小均方算法及其应用研究

介绍了一种新的变步长最小均方自适应滤波算法。该算法具有较快的收敛速度和较小的失调,并且具有计算量小、不受其它不相关噪声干扰等特点。通过计算机仿真分析,证明了其理论计算与实验结果相符。算法应用于电量参数的测量,也使测量的精度得到较大的提高。

自动变步长BLMS自适应均衡的优化实现

介绍了自动变步长分块最小均方(Block Least Mean Square,BLMS)自适应均衡算法。通过自动变更步长,改善了算法的收敛与稳态误差性能。针对改进后的快速BLMS算法硬件实现特点,对其中采用重叠保留法的快速傅里叶变换(Fast Fourier Transformation,FFT)模块,进行了优化,降低了该算法的计算复杂度。相关仿真表明,该算法能在典型多径高速传输环境下能快速收敛,并接近理想性能,且跟踪信道的性能较好,部分FFT计算过程还得到优化。故该算法在保证性能的基础上,还减少了计算资源,具有较大工程实践意义。